效率飙升10倍！Dify工作流自动生成UML图，支持20余种图表

UML（统一建模语言）图是软件工程中不可或缺的沟通与设计利器。传统的绘图方式不仅耗时，版本控制也常令人头疼。PlantUML以其“*代码即图*”的理念，让文本驱动绘图成为现实，极大提升了效率。然而，即便是使用PlantUML，我们仍可能遇到以下挑战：

m0_48891301

1307人浏览 · 2025-06-19 11:06:01

m0_48891301 · 2025-06-19 11:06:01 发布

一、引言：告别低效，UML图绘制迎来自动化革命

UML（统一建模语言）图是软件工程中不可或缺的沟通与设计利器。传统的绘图方式不仅耗时，版本控制也常令人头疼。PlantUML以其“代码即图”的理念，让文本驱动绘图成为现实，极大提升了效率。然而，即便是使用PlantUML，我们仍可能遇到以下挑战：

语法学习曲线：

对于初学者或不常用UML的用户，记忆和正确使用PlantUML语法仍有门槛。
在线服务的不稳定性与局限：

笔者曾尝试使用在线PlantUML服务结合Dify进行自动化绘图，但受限于网络波动、服务限制以及LLM对在线服务特定语法理解的偏差，PlantUML代码的生成成功率不尽如人意，语法错误频发，严重影响了体验。
数据安全与本地化需求：

许多项目对设计文档的保密性有较高要求，依赖外部在线服务存在顾虑。

正是基于这些痛点，我们探索并实践了一套基于本地部署PlantUML和Dify工作流的全新自动化方案。通过对LLM提示词的深度优化和模型参数的精细调整，我们成功将PlantUML代码的生成成功率提升至95%以上，真正实现了高效、可靠的UML图自动化。

二、核心优势：本地PlantUML + Dify = 稳定高效

在我们最新的方案中，本地部署PlantUML服务是关键。

本地部署PlantUML服务 (基于Docker)

Docker 提供了一种轻量级、可移植的方式来部署 PlantUML 服务器。以下是详细步骤：

安装 Docker：

如果您尚未安装 Docker，请根据您的操作系统（Windows, macOS, Linux）从 Docker 官方网站下载并安装 Docker Desktop 或 Docker Engine。

拉取 PlantUML Server Docker 镜像：

打开您的终端或命令行工具，执行以下命令来拉取官方推荐的 PlantUML 服务器镜像：

docker pull plantuml/plantuml-server

这将从 Docker Hub 下载最新的 PlantUML 服务器镜像。

运行 PlantUML Server 容器：

下载完成后，使用以下命令来运行 PlantUML 服务器容器：

docker run -d -p 8001:8080 plantuml/plantuml-server

参数说明：-d 后台运行，-p 8001:8080 端口映射（主机:容器）。

验证 PlantUML 服务：

容器启动后，在您的浏览器中访问 http://localhost:8001。看到 PlantUML 服务器界面即表示部署成功。如下图所示：

三、Dify工作流再进化：精准生成20+种UML图

基于本地部署的PlantUML服务，我们对原有的Dify工作流进行了针对性的优化，特别是LLM节点的提示词和配置，以大幅提升代码生成的准确率。

工作流设计

节点 1：开始 (Start)

定义用户输入，包括图表描述 (userinput)、输出文件类型 (filetype) 和关键的图表类型 (diagramtype)。该工作流通过diagramtype参数，明确支持序列图、用例图、类图等超过20种常见的图表类型。

节点 2：LLM -（提示词太长，我放到了DSL文件种，见文末）

将用户的自然语言描述智能转换为高精度的PlantUML代码。

输出：高度准确的PlantUML纯文本代码。经过优化，此处的代码生成成功率已超过95%。

节点 3：HTTP 请求 - 编码 (原“压缩”节点)

负责对LLM生成的PlantUML代码进行编码压缩。其稳定运行对整体流程至关重要。URL: http://host.docker.internal:8001/coder

节点 4：HTTP 请求 - 获取文件

向本地PlantUML服务器 (http://host.docker.internal:8001/...) 发送请求，获取渲染后的图像文件。受益于本地部署，此节点响应速度快，不受公网影响。

节点 5：结束 (End)

输出最终生成的UML图像文件。

最终输出的效果。

四、从不稳定到高成功率：我们的优化心得

从最初尝试在线PlantUML服务到如今基于本地部署实现95%以上的成功率，我们总结了以下关键优化点：

本地部署是王道：

彻底解决了网络延迟、服务限制和部分在线服务对PlantUML方言支持不佳的问题。
LLM选择与参数：

选择对结构化输出更友好、逻辑推理能力更强的LLM，并使用较低的temperature值。
极致的Prompt工程：

这是提升LLM表现的核心。我们投入了大量时间分析错误，并据此不断迭代Prompt。

-稳定的辅助服务：

确保PlantUML文本编码服务的稳定和正确。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】